Landsat 8 uydu görüntü indeksleri kullanılarak tarımsal ürünlerin makine öğrenme yöntemleri ile tespit edilmesi
Identification of agricultural crops using landsat 8 satellite image indices by machine learning techniques
- Tez No: 667282
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRULLAH ACAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Remote Sensing, Machine Learning, Landsat-8, NDVI, Wheat, Lentil
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Gelişen uydu görüntü teknolojilerinden elde edilen spektral özellikler makine öğrenme teknikleri ile birlikte kullanıldığında, küçük bir alan üzerindeki verilerle eğitilen sistem sayesinde büyük bir alan üzerindeki tarımsal ürünlerin kısa zamanda yüksek doğruluk oranı ile tespiti mümkündür. Bu çalışmada, uydu görüntü indeksleri ve farklı makina öğrenme teknikleri kullanılarak tarımsal ürünlerin tespiti amaçlanmıştır. Ilk aşamada, tesbiti yapılacak nesnenin üzerinde bulunduğu alana ait Landsat-8 uydu görüntüleri temin edilmiş ve nesne olarak tarımsal ürünler kullanılmıştır. Tarım ürünleri içerisindeki gelişme ve hasat zamanları göz önünde bulundurularak buğday ve mercimek ürünlerinin yoğunlukta olduğu bir tarım arazisi seçilmiştir. Görüntülerdeki yansıma indekslerinin hesaplanması için tarımsal ürünlerin gelişim ve hasat zamanına yakın olduğu bir zaman dilimi seçilmiş; 2018 yılının Mayıs ve Ağustos aylarına karşılık gelen Landsat-8 uydu görüntüleri kullanılmıştır. Daha sonra, pilot tarım alanı içerisinde belirlenen örnek noktalara karşılık gelen koordinatlar, Landsat-8 uydu görüntüleri üzerine aktarılmış ve uydu görüntülerinin 4. ve 5. bantlarına denk gelen yansıma indekleri yardımıyla, bu noktalar için NDVI değerleri hesaplanmıştır. Son aşamada, elde edilen NDVI indeks değerleri farklı makine öğrenme tekniklerinin (K En Yakın Komşu, Destek Vektör Makineleri ve Naive Bayes) girişlerinde kullanılarak tarımsal ürünler (Mercimek ve Buğday) tespit edilmiştir. Sonuç olarak, en iyi performansa %86,4 ortalama doğruluk ile Naive Bayes yöntemiyle ulaşılmıştır. Ayrıca, gelişim dönemine ait uydu görüntüsünden elde edilen NDVI değerlerinin tespit aşamasında daha yüksek performans gösterdiği gözlemlenmiştir. Anahtar Kelimeler: Uzaktan Algılama, Makine Öğrenmesi, Landsat-8, NDVI, Buğday, Mercimek
Özet (Çeviri)
When spectral features obtained from developing satellite imaging technologies are used together with machine learning techniques, it is possible to detect agricultural crops on a large area with high accuracy in a short time thanks to the system trained with data on a small area. In this study, it is aimed to determine agricultural products by using satellite image indexes and different machine learning techniques. In the first stage, Landsat-8 satellite images of the area where the object to be detected is located were obtained and agricultural products were used as objects. Considering the development and harvest times of agricultural products, an agricultural land where wheat and lentil products are concentrated was selected. In order to compute the reflection indexes in the images, a time period in which agricultural products are close to the development and harvest time was preferred; Landsat-8 satellite images corresponding to May and August 2018 were used. Then, the coordinates corresponding to the sample points determined in the pilot agricultural area were imported to the Landsat-8 satellite images and NDVI values for these points were calculated with the help of the reflection indexes corresponding to the 4th and 5th bands of the satellite images. In the last stage, agricultural crops (Lentil and Wheat) were determined by using the obtained NDVI index values as the inputs of different machine learning techniques (K Nearest Neighbor, Support Vector Machines and Naive Bayes). As a result, the best performance was achieved with the Naive Bayes method with an average accuracy of 86.4%. In addition, it was observed that NDVI values obtained from the satellite image of the development period showed higher performance in the detection phase.
Benzer Tezler
- Paddy-rice leaf area index (LAI) estimation using radar and optical imagery
Radar ve optik görüntüler kullanarak çeltik bitkisi yaprak alan indeks kestirim
ELNAZ NAJATISHENDI
Yüksek Lisans
İngilizce
2017
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Bilimleri Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Derin transformer kodlayıcı tekniği ve farklı zaman serisi uydu görüntüleri kullanılarak pamuk ve mısır bitki alanlarının belirlenmesi
Determination of cotton and corn plant fields by employing deep transformer encoder technique and different time-series satellite images
REYHAN ŞİMŞEK BAĞCI
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRULLAH ACAR
DR. ÖĞR. ÜYESİ ÖMER TÜRK
- Monitoring soil salinity via remote sensing technology under data scarce conditions: A case study from Turkey
Kısıtlı veri şartlarında uzaktan algılama teknolojisi ile toprak tuzluluğunun izlenmesi: Türkiye'den bir vaka çalışması
TAHA GORJI
Yüksek Lisans
İngilizce
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK
- Landsat uydu görüntüsünden elde edilen indeksler ve arazi yüzey sıcaklığı değerlerinin çeltik alanlarının belirlenmesinde kullanılması
Utilization of indices and land surface temperature values derived from Landsat satellite imagery for rice area determination
BURÇİN SALTIK
Yüksek Lisans
Türkçe
2016
ZiraatÇanakkale Onsekiz Mart ÜniversitesiTarımsal Yapılar ve Sulama Ana Bilim Dalı
PROF. DR. LEVENT GENÇ
- Uzaktan algılamada indeks görüntüler, önemi ve kullanımı
Index images in remote sensing, its importance and usage
GÜRKAN AKSU
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. COŞKUN ÖZKAN